ความสำเร็จของ AlphaFold ในการทำนายโครงสร้างโปรตีนแสดงให้เห็นถึงศักยภาพของ AI เมื่อมีข้อมูลที่มากพอ แต่ในทางวิทยาศาสตร์สาขาอื่น การรวบรวมข้อมูลคุณภาพสูงระดับนั้นเป็นเรื่องยากและใช้เวลาหลายทศวรรษ นักวิจัยจึงเริ่มหันมาพัฒนา AI Agents ซึ่งเป็นระบบที่ใช้โมเดลภาษาขนาดใหญ่ (LLM) เป็นกลไกการให้เหตุผลเพื่อวางแผนและดำเนินการทดลองโดยใช้เครื่องมือดิจิทัลและเครื่องมือจริง
ตัวอย่างที่เห็นชัดคือ AI Co-Scientist ของ Google ที่สามารถตั้งสมมติฐานเกี่ยวกับการแพร่กระจายของเชื้อดื้อยาได้ถูกต้องเทียบเท่ากับงานวิจัยที่นักวิทยาศาสตร์ใช้เวลาทำถึง 10 ปี นอกจากความเร็วแล้ว AI Agents ยังช่วยแก้ปัญหา 'วิกฤตการผลิตซ้ำ' (Reproducibility crisis) โดยการบันทึกทุกขั้นตอนการทดลองอย่างละเอียดโดยอัตโนมัติ ซึ่งจะกลายเป็นมาตรฐานใหม่ในการเก็บรักษาความรู้ของสถาบันวิจัยในอนาคต
